메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
고객센터 ENG
주제분류

논문 기본 정보

저자정보
(Southwest University of Political Science & Law) (Southwest University of Political Science & Law)
저널정보
동아대학교 법학연구소 국제거래와 법 國際去來와 法 제50호
오류 신고하기

피인용 0

검색

    초록·키워드

    인공지능 발전의 핵심요소인 AI 모델 사전학습 데이터의 공개 현황은 낙관적이지 않다. 현재 AI 대형 모델 개발자는 사전학습 데이터의 출처, 처리방식 등 핵심정보를 엄격히 비밀에 부쳐 모델 학습과정이 ‘알고리즘 블랙박스’를 형성한다. 비록 중국의 “생성형 인공지능 서비스관리 잠행방법” 등 법률 및 법규가 데이터의 합법성에 대해 원칙적인 요구를 제기하지만, 데이터 공개 의무 조항이 분산되어 있고, 체계적인 제도 설계와 조작 가능한 집행 메커니즘이 결여되어 있다. 현재 AI 대형 모델 사전 학습데이터 공개 의무의 이론과 실천은 아직 탐색 단계에 있으며, 의무 구성요소의 모호함, 제도틀의 모순, 집행 보장 메커니즘의 부재 등 문제에 직면해 있다. 따라서 AI 대형 모델 사전학습 데이터 공개 의무 체계를 구축하는 것은 인공지능 산업의 건전한 발전을 촉진하는 핵심 의제가 된다.
    본 연구는 우선 데이터 요소 시장 발전, 기술 신뢰 수요, 권익 보장 목표 세 가지 차원에서 사전 AI 대모형 사전학습 데이터 공개 의무의 정책과 윤리 기초를 밝히고, 산업 혁신과 사회 신뢰에 대한 영향을 분석한다. 다음으로 현행 법률규범을 체계적으로 정리하고 공개의무주체, 공개내용, 공개형식 등 구성요소의 규제에 대한 문제점을 분석하며, 유럽연합, 미국, 캐나다 등 지역 또는 국가의 입법을 비교하여 위험등급, 차별화 공개, 다원적 공동관리 등 제도경험을 추출한다. 마지막으로 의무체계구축과 집행보장기제설계 두 방면으로부터 공개의무의 체계화실시를 추진한다.
    투명성과 신뢰는 인공지능 거버넌스의 핵심 의제이며, AI 대형 모델 사전 훈련 데이터 공개 의무는 투명하고 신뢰할 수 있으며, 위험이 서로 적합하고, 격려와 구속을 동시에 중시하는 원칙을 견지하고, “주체-내용-형식”의 삼위일체의 의무 체계를 구축하여 AI 발전과 안전의 동적 균형을 실현해야 한다. 제도 정착은 두 단계로 나누어야 한다. 첫째, 리스크 등급에 따라 의무주체를 확정하고, 층별로 공개내용을 세분화하며, 다원화 공개형식을 설계하고, 기존의 기록 제도와 연계한다. 둘째로, 사전심사와 지속적인 감독관리 협력 메커니즘을 구축하고, 기술지원플랫폼을 구축하며, 인센티브 제약 보장 조치를 실시하고, 다방면으로 참여하는 협상 거버넌스 틀을 구축하며, 공개 의무가 이념에서 실천으로 나아가도록 추진하고, AI 산업의 건전한 발전에 대한 제도의 촉진 효능을 충분히 발휘한다.

    최근 본 자료 전체보기

      UCI(KEPA) : I410-151-25-02-093840388